So wenig wie möglich, so viel wie nötig

Die britische Supermarktkette prognostiziert die Kundennachfrage, um den Lagerbestand zu optimieren und den Ausschuss zu senken

Der Name „Waitrose“ steht in Großbritannien für höchste Qualität, frischste Produkte und die größte Produktauswahl. Die hohe Warenqualität sowie ein außergewöhnlicher Kundenservice bilden den Kern des Markenversprechens. Waitrose ist aus zwei Gründen ein ganz besonderes Handelsunternehmen: Zum einen trägt Waitrose als einzige Supermarktkette den Titel „Königlicher Hoflieferant“ Queen Elizabeths II. Zum anderen sind die 39.000 Beschäftigten Miteigentümer des Unternehmens.

Mit etwa 190 Filialen und über 15.500 Produktgruppen – von denen fast ein Drittel jedes Jahr ausgetauscht wird – ist es für Waitrose unverzichtbar, die Warennachfrage präzise zu prognostizieren. Nur so kann das Unternehmen sicherstellen, dass die richtigen Produkte zur richtigen Zeit im richtigen Laden stehen. Dabei gilt es auch, kalendarische Besonderheiten oder spezielle Promotionaktionen zu berücksichtigen: Tiefkühltruhen müssen auch im Hochsommer bei größter Nachfrage umfassend mit Eiscreme bestückt sein, in den ersten Dezembertagen müssen ausreichend Schokonikoläuse auf Käufer warten.

Mit Hilfe einer Prognoselösung von SAS und der Unterstützung von SAS Partnern kann Waitrose jetzt seine Regale in den Filialen optimal bestücken – zum Vorteil der Kunden genauso wie der eigenen Bilanz. Seit Einführung des Systems ist es dem Handelsunternehmen gelungen, den Lagerbestand um acht und den Ausschuss um vier Prozent zu
senken.

Angebot und Nachfrage im Gleichgewicht

„Mein Team hat die Aufgabe, die Filialen bei ihren Bestellungen zu unterstützen – etwa durch die Vorhersage der Kundennachfrage“, erläutert Gail Richmond, Manager Branch Ordering Development bei Waitrose. „Wir entwickeln Lösungen, die dann von den Fachanwendern in ihrem Alltagsgeschäft genutzt werden.“ Waitrose hatte bereits Ende der 80er Jahre Forecasting-Funktionen in sein Filialbestellsystem integriert, die, so Richmond, „für Standardprognosen recht gut geeignet waren, jedoch saisonale Faktoren wie Halloween oder Muttertag und auch besondere Promotions nicht berücksichtigen konnten“. Die Kunst besteht darin, ergänzt Richmond, das richtige Maß zu finden: „So wenig Produkte wie möglich in Regal und Lager, so viele wie nötig.“

Waitrose nahm zunächst sechs Softwareanbieter unter die Lupe, zwei davon kamen in die engere Auswahl. „Wir haben schnell gesehen, dass Lösungen wie SAS perfekt für unsere
Aufgaben geeignet sind: Mit ihnen können wir auf Basis historischer Daten genauere Standardprognosen durchführen, auf saisonale Besonderheiten reagieren und die Event-bezogenen
Vorhersagen verbessern“, erklärt Richmond. Waitrose hatte SAS zuvor nicht im Einsatz. „Ein Grund für SAS war, dass die andere Lösung eine ‚Black Box‘ war. Zwar ist SAS auch als ‚Black Box‘ einsetzbar. Doch zugleich ist die Lösung sehr flexibel, lässt sie sich doch perfekt an besondere Forecasting-Anforderungen anpassen. Nicht zuletzthaben wir uns für SAS entschieden, weil wir gesehen haben, dass wir mit dem Unternehmen partnerschaftlich zusammenarbeiten können.“

„Wir wollten unser eigenentwickeltes Filialbestellsystem weiterverwenden, jedoch einen neuen Ansatz bei der Nachfrageprognose verfolgen“, erklärt Kim Newark, Forecasting Systems
Manager bei Waitrose. „Allerdings traten während des Testbetriebs Probleme mit der Performance des Systems sowie mit den Modellen auf“, so Newark. „Deshalb haben wir StatApp,
einen SAS Partner mit Retail-Expertise, zu Rate gezogen, um unser Modell zu verbessern. Dies führte zu einer Art Partnerschaft zwischen Waitrose, SAS, StatApp und einem weiteren SAS Partner namens Amadeus, der uns half, unsere Performance in Ordnung zu bringen. Das Ergebnis: Wir konnten schließlich für jede Warengruppe, für jeden Tag, für jede Filiale über Nacht Prognosen durchführen.“ Nach weiteren, erfolgreichen Tests wurde das System dann für alle Filialen live geschaltet. Mit Hilfe der SAS Modelle werden jetzt über Nacht die Prognosen erstellt, die dann automatisch in das Bestandskontroll-und Bestellsystem eingespeist werden.

Volle Regale, leere Lager

„Wenn wir wissen, dass sich die Nachfrage nach einem bestimmten Produkt wegen eines besonderen Events verändern wird, können wir mit unseren historischen Daten eine Prognose erstellen“, sagt Gail Richmond. „Wenn nicht, sind wir in der Lage, kurzfristig mit den Daten ähnlicher Produkte Modellierungenvorzunehmen.“ Mit Erfolg: Filialen melden, dass sie weniger Tiefkühlprodukte wegwerfen müssen, andere konnten ihren Absatz von Trockenprodukten steigern. Die verbesserte Vorhersagegenauigkeit steigert zudem die Produktivität, ist doch die Zahl nachträglicher Bestelländerungen um 40 Prozent gefallen. Die Mitarbeiter in den Filialen haben damit mehr Zeit, sich um die Kunden zu kümmern – auch dieser nicht unmittelbar messbare Nutzen trägt zum Erfolg des Systems bei.

„Wir sind im ganzen Unternehmen produktiver, effizienter und profitabler geworden“, fasst Richmond zusammen. „Mit SAS konnten wir unseren Lagerbestand um acht und unseren Ausschuss um bis zu vier Prozent senken. Bei Letzterem hatten wir ursprünglich nur mit zwei Prozent gerechnet, wir schneiden also weit besser ab. Zudem vermeiden wir jetzt Fehler, die wir in der Vergangenheit, etwa bei der Bestellung von Weihnachtsartikeln, gemacht haben, und können Erfolge wiederholen. SAS sorgt für präzise, nachvollziehbare Prognosen der Kundennachfrage.“

Davon könnte sogar die ganze Branche profitieren, macht Richmond deutlich – durch eine gemeinsame Infrastruktur, die auch für andere Retailer im In- und Ausland nutzbar wäre: „Zusammen mit SAS würden wir uns über einen Austausch mit anderen Handelsunternehmen freuen. Wir wissen jetzt sehr genau, wie sich Prognosen dieser Größenordnung – wir schlagen jeden Tag Millionen von SKUs um – bewerkstelligen lassen. Wir können anderen Retailern dabei helfen, Herausforderungen zu meistern, vor denen auch wir standen.“

Im nächsten Schritt, so Richmond, gehe es darum, das Forecasting auch an anderen Stellen der Lieferkette zu verankern: Die Lieferanten sollen in der Lage sein vorherzusagen, was Waitrose bei ihnen ordern wird. „Als wir das Thema Forecasting angegangen sind, haben wir uns gefragt, wo wir sehr schnell den größten Nutzen erzielen können. Das waren die Filialen. Jetzt geht es darum, wie wir noch weiter von unseren Daten und dem Prognosesystem profitieren können“, schließt Kim Newark.

Copyright © SAS Institute Inc. All Rights Reserved.